Alessandro Pollini, Angela Di Massa, Maurizio Mesenzani
DESIGN PER L’ INDUSTRIA DESIGN PER L’ INDUSTRIA
Il progetto dell’interazione con le macchine di produzione per una automazione centrata sulla persona
Alessandro Pollini, Angela Di Massa, Maurizio Mesenzani
DESIGN PER L’INDUSTRIA MANIFATTURIERA
Il progetto dell’interazione con le macchine di produzione per una automazione centrata sulla persona
Design per l’industria manifatturiera
di Alessandro Pollini, Angela Di Massa, Maurizio Mesenzani
ISBN 979-12-5953-124-7
Volume sottoposto a peer review da parte del Comitato Scientifico composto da:
Luca Casarotto, Università Iuav di Venezia
Margherita Peruzzini, Università di Bologna
Michele Zannoni, Università di Bologna
Progetto grafico ed elaborazione digitale
Giacomo Albani
Angela Di Massa
Crediti foto di copertina
RDNE Stock project
Editore
Anferma Edizioni Srl via Asolo 12, Conegliano, TV edizioni@anferma.it
Prima edizione dicembre 2024
Copyright
Questo lavoro è distribuito sotto Licenza Creative Commons
Attribuzione - Non commerciale - No opere derivate 4.0 Internazionale
PREFAZIONE
a cura di Alessandro Pollini e Sebastiano Bagnara
1. INTRODUZIONE
1.1 La trasformazione digitale e il lavoro che cambia
1.2 Verso una partnership tra l’uomo e la macchina
2. IL CONTESTO SOCIO-TECNICO NELL’INDUSTRIA DELLA MANIFATTURA
2.1 L’implementazione dell’Industria 4.0
2.2 L’operatore resiliente e risolutore di problemi
2.3 Le sfide dello Smart Manufacturing
2.4 Servizi digitali nell’industria del manufacturing
3. L’INTERAZIONE TRA L’UOMO E LE MACCHINE
3.1 L’industria della manifattura tra resistenza al cambiamento e necessità di innovazione
3.2 Le interfacce uomo-macchina tra passato e futuro
3.3 La promessa delle tecnologie immersive nel manufacturing
3.4 Progettare per l’innovazione delle interfacce uomo-macchina
4. LA RICERCA PER UN QUADRO UNITARIO SULLE INTERFACCE UOMO-MACCHINA
4.1 L’analisi basata sui casi
4.2 Una ricerca di settore nel panorama italiano delle HMI
4.3 La ricerca scientifica
4.4 Lo stato della ricerca nella disciplina
5. LA PROGETTAZIONE PER L’INDUSTRIA DELLA MANIFATTURA
5.1 Persone
5.2 Tecnologie
5.3 Organizzazione
6. CONCLUSIONI
6.1 Verso una cultura del progetto nell’industria della manifattura
6.2 Il bisogno di un impegno progettuale per l’industria
PREFAZIONE
Lo studio del modo in cui la tecnologia impatta e cambia la natura del lavoro umano nell’industria della manifattura, nonché il ruolo che l’ergonomia e il design hanno svolto in questo processo, ha spesso evidenziato come due forze principali abbiano guidato questi cambiamenti, talvolta con risultati opposti: la diffusione pervasiva dell’automazione, la digitalizzazione dei processi produttivi. Ad effetto della recente diffusione delle Advanced Manufacturing Technologies (AMT) ci si chiede come automazione e digitalizzazione cambino le nuove forme di lavoro e quali le qualità che debbano possedere i nuovi strumenti di lavoro, definiti oggi con capacità avanzate di calcolo, trasformazione, rappresentazione e interazione con i dati della manifattura.
Vogliamo esaminare i recenti sviluppi delle imprese della manifattura, per capire se e come le trasformazioni promesse si sono avverate e quali ulteriori cambiamenti potrebbero portare. Abbiamo scelto questi temi perché li riteniamo cruciali per capire il ruolo dell’Industrial Design (disegno industriale) nel settore dell’industria della manifattura, e lo facciamo sulle basi dell’ergonomia, in quanto scienza del rapporto tra uomo e lavoro.
Lo facciamo immaginando una strada per l’agire delle imprese e i progettisti che si propone come alternativa alle due individuate da Antonio Citterio nella definizione enciclopedica di Industrial Design 1 . Citterio definisce come una prima possibilità quella di concepire il design come relegato ad una dimensione elitaria, legata al brand e alla qualità complessiva del prodotto, potremmo dire in una chiave di comunicazione del prodotto industriale. La seconda direzione possibile è rappresentata dalle imprese di taglio realmente industriale, in termini di dimensioni economiche, distributive, comunicative, e al contempo design driven ; quelle cioè in grado di lavorare contemporaneamente a scala internazionale sul controllo dei prezzi e sulla qualità del prodotto. La strada che immaginiamo in è questo saggio è designata intenzio -
A cura di Alessandro Pollini e Sebastiano Bagnara
nalmente come impegno progettuale per aziende creative, human-centred per vocazione e orientate all’innovazione frugale 2 , quella realizzata con la partecipazione di operatori resilienti, capaci e consapevoli.
Questo libro racconta il percorso intrapreso da una organizzazione impegnata in una crescita costante nello studio, progettazione e valutazione delle interazioni uomo-macchina a partire dal 1990. Percorso, questo, di una organizzazione che impara lavorando, e che lavora imparando, e che da sempre è impegnata a condividere le proprie competenze con altre organizzazioni, che siano orientate al mercato o alla ricerca scientifica.
Il libro rappresenta al contempo il diario di questa organizzazione, per gli aspetti di riflessione che contiene e un artefatto per la condivisione della conoscenza sul design 3 4 5, pensato con il fine di fornire un contributo culturale per un rinnovamento della cultura progettuale implicata nella produzione industriale. Mostra come si affrontano problemi socio-tecnici complessi 6 , come da essi si apprende nella ricerca dei fattori umani e nella definizione dei fattori tecnologici, e come si lasciano evolvere le proprie competenze per rinnovare una identità di azienda innovativa e creativa.
1. INTRODUZIONE
1.1 LA TRASFORMAZIONE
DIGITALE E IL LAVORO
CHE
CAMBIA
La digitalizzazione sta trasformando i sistemi economici e le strutture sociali. Dalle imprese alle pubbliche amministrazioni, dall’istruzione ai servizi pubblici, dal mondo dell’informazione alla comunicazione, la trasformazione digitale ha ridefinito il modo in cui le persone accedono alle risorse, prendono decisioni, lavorano e interagiscono tra loro. Questo cambiamento ha anche facilitato la creazione di nuovi modelli di business e innovazioni tecnologiche, determinando così lo sviluppo dei processi produttivi, orientati ad una maggiore efficienza. Tuttavia, la digitalizzazione porta con sé anche una profonda trasformazione culturale, con un impatto significativo sulle strutture sociali e sull’intera catena del valore, con nuove sfide legate alla sicurezza dei dati, alla privacy, all’accesso equo alle risorse digitali, all’inclusività e alla sostenibilità.
Questi cambiamenti stanno spingendo governi e aziende a rivedere le loro strategie per adattarsi e gestire la complessità che ne deriva. La disponibilità sempre maggiore di dati, la connettività tra sistemi cibernetico-fisici e la redistribuzione delle responsabilità tra persone e sistemi tecnologici sempre più autonomi stanno definendo un nuovo scenario industriale, su cui è fondamentale concentrare gli sforzi di tutti gli attori che operano nel settore. In questo contesto, ci si interroga sull’efficacia e sulle sfide legate all’adozione delle nuove tecnologie, sulla loro accessibilità e sui benefici concreti che possono offrire. Una cosa è certa: al di là delle questioni di sicurezza e gestione della complessità tecnologica, l’intelligenza artificiale, la robotica collaborativa, l’Internet delle cose e la disponibilità di grandi volumi di dati rappresentano le tecnologie più promettenti per il futuro.
Algoritmi avanzati dell’Intelligenza Artificiale (IA) replicano funzioni cognitive umane, come l’apprendimento, la pianificazione e la risoluzione dei problemi all’interno di un sistema informatico. Essendo in grado di apprendere autonomamente attraverso tecnologie di Machine Learning, i sistemi di Intelligenza Artificiale in industria sono in grado di assumere il controllo dei
processi e prendere decisioni in completa autonomia (modello autonomo) o con l’intervento dell’operatore (modello ibrido o semi-autonomo) 7. Possono inoltre eseguire compiti complessi e risolvere problemi specifici, adattandosi anche a condizioni e ambienti in continuo cambiamento. L’IA impatta significativamente lo sviluppo di molte tecnologie, favorendone l’adozione e accelerando il processo di automazione 8 . Ad esempio, i cosiddetti Digital Twins, ovvero le repliche digitali di sistemi fisici, beneficiano dell’IA per accelerare le simulazioni e migliorare la rilevazione di guasti. Anche la robotica sfrutta l’IA per ridurre i tempi di programmazione, permettendo così ai robot di apprendere nuovi compiti con meno addestramento. Inoltre, tecnologie wireless come il 5G e il Wi-Fi 6 migliorano le prestazioni di monitoraggio e automazione, riducendo la latenza e aumentando il numero di dispositivi connessi. L’IA nel settore industriale facilita la standardizzazione e la semplificazione dei dati, migliorando la comunicazione tra macchine e l’affidabilità delle infrastrutture. In ambito cyber security, l’IA permette di rilevare automaticamente le minacce e proteggere i sistemi automatizzati.
Durante gli ultimi decenni, l’industria ha intercorso una crescente digitalizzazione che ha portato a sistemi socio-tecnici complessi di uomini, macchine, agenti autonomi e sensori9 e a sfide nuove come quella di supportare adeguatamente le pratiche di lavoro degli operatori per monitorare e controllare complessi processi industriali attraverso interfacce digitali 10 . Dal punto di vista dell’ergonomia e dei fattori umani, l’uso dell’IA richiede un’attenzione particolare rivolta alla progettazione del rapporto di cooperazione tra persone e tecnologia: la tecnologia dovrebbe essere utilizzata principalmente come supporto e assistenza agli operatori, permettendo loro di concentrarsi su compiti che richiedono un contributo cognitivo significativo, come la supervisione e il monitoraggio dei processi, senza però sovraccaricarli con attività che comportano un eccessivo impegno mentale11 . In generale, il rapporto di cooperazione rimane centrale anche nella distribuzione dei compiti, ossia è fondamentale comprendere quanti e quali compiti l’IA possa gestire in completa autonomia e quali, invece, richiedano la supervisione dell’operatore.
Performance e consapevolezza della situazione sono strettamente correlate ma non esattamente coincidenti 12 , anche se alti livelli di performance implicano un’elevata percezione, comprensione e proiezione di eventi, oggetti e processi che hanno luogo sul posto di lavoro. È dimostrato che il monitoraggio impone un elevato carico di lavoro mentale negli operatori delle sale di controllo13 , che può avere effetti negativi sulla loro capacità lavorativa e sulla sicurezza dell’intero sistema 14 . In particolare, quando il monitoraggio è caratterizzato dall’uso di sistemi basati su algoritmi e metodi computazionali di cui non si conoscono bene i meccanismi di funzionamento, questo suscita molto spesso un sentimento di scetticismo che finisce con l’aumentare il carico cognitivo, e influire negativamente sulla fiducia degli utilizzatori
nei confronti dell’affidabilità di molte soluzioni di AI, che risultano poco comprensibili e scarsamente usabili, e per questo, anche meno sicure ed efficienti, specie quando si tratta di sistemi automatizzati 15 .
Un approccio alla progettazione del lavoro nelle industrie che integra robot collaborativi per migliorare sia la produttività che le condizioni di lavoro è normato dallo standard ISO 10218-2 16 , secondo cui tali robot sono progettati per interagire direttamente con una persona all’interno di uno spazio di lavoro collaborativo definito. Questo spazio di lavoro si trova all’interno di un’area protetta, dove il robot e l’essere umano possono svolgere contemporaneamente attività legate alla produzione17. Uno dei fattori che influisce sul successo della collaborazione tra persona e robot è la progettazione di un’esperienza di interazione senza frizioni nei diversi scenari operativi, come ad esempio la programmazione e il controllo del robot. Questa esperienza deve essere strutturata in modo da garantire una collaborazione efficace nelle decisioni e nelle azioni, ottimizzando così le capacità di entrambi nel completare un compito. I robot collaborativi, generalmente utilizzati per affiancare le persone nei compiti fisicamente impegnativi o ad alta ripetizione, sono progettati per adattarsi dinamicamente alle azioni degli operatori e ai cambiamenti del processo produttivo, creando un’ autonomia condivisa in uno spazio di lavoro collaborativo. In questo ambiente, i compiti vengono suddivisi tra la persona e il robot, con quest’ultimo che condivide in modo ottimale il controllo con l’operatore umano su diversi gradi di libertà. L’uso di questi robot offre diversi vantaggi, tra cui la possibilità di essere riprogrammati per svolgere diverse funzioni, rendendo le linee di produzione più agili e reattive alle variazioni dei processi produttivi. Dal punto di vista dell’ergonomia e dei fattori umani, anche l’uso della robotica collaborativa richiede un’attenta progettazione delle interazioni tra persona e robot: oltre a concentrarsi su postura, movimenti e spazio, bisogna considerare anche i fattori psicologici, come l’accettazione del robot, la fiducia e la soddisfazione lavorativa, per garantire una collaborazione efficace e duratura.
L’integrazione di sensori e dispositivi intelligenti sulle macchine industriali (Industrial IoT - IIoT) è pensata per raccogliere e trasmettere dati in tempo reale. I dati raccolti dai sensori vengono memorizzati nel cloud, dove possono essere analizzati per fornire informazioni utili a prendere decisioni datadriven e a pianificare azioni pratiche. Questo approccio è particolarmente efficace in certi scenari, come la manutenzione predittiva e proattiva, che permette di prevedere e pianificare eventuali tempi di inattività imprevisti, rischi potenziali e guasti. Dal punto di vista ergonomico e dei fattori umani, l’adozione di sistemi di analisi di grandi quantità di dati contribuisce a migliorare la gestione dei processi e delle risorse, facilitare il monitoraggio e il miglioramento dell’ambiente di lavoro, nonché aumentare la soddisfazione dei lavoratori.
Alla luce di quanto emerso finora, la sfida principale è progettare forme di collaborazione e interazione che siano orientate alla produttività, ma che pongano sempre la persona al centro. Tuttavia, questa sfida ha rilevanti impatti sociali, sia nel breve che nel lungo termine. Nei prossimi anni infatti, il mercato del lavoro subirà cambiamenti significativi a causa della crescente automazione di molte attività e dell’emergere di nuove professioni, come la riduzione dei posti di lavoro e la necessità di riqualificazione dei lavoratori. A tal proposito, le ricerche di settore individuano due scenari focalizzati sulla relazione tra persona e tecnologia: lo scenario della specializzazione e lo scenario dell’automazione18
Nello scenario della specializzazione , la tecnologia supporta gli operatori nella presa di decisioni e nella loro formazione. In questo contesto, le persone continuano a gestire compiti di medio e basso livello, mantenendo una responsabilità significativa, mentre la tecnologia funge da strumento di assistenza, senza sostituirle completamente.
Nello scenario dell’automazione, la tecnologia, potenzialmente supportata dall’IA, assume un ruolo più centrale. Essa gestisce e risolve automaticamente i problemi e ottimizza i processi, riducendo il bisogno di intervento umano. In questo scenario, sarà necessario avere operatori con competenze diverse: da un lato, persone incaricate di svolgere compiti semplici e non specializzati; dall’altro lato, operatori con competenze elevate, responsabili dei compiti più complessi e residuali.
Le nuove tecnologie e i modelli di business richiedono quindi nuove competenze e alta specializzazione, il cui sviluppo richiede un impegno sia da parte dell’industria che del mondo accademico19. Diverse sono le iniziative promosse anche dagli organismi europei, orientate alla costruzione di percorsi formativi adeguati a rispondere alle sfide ed esigenze del settore manifatturiero. Ad esempio, le attività educative di EIT Manufacturing mirano a migliorare le competenze della forza lavoro attuale e futura nell’ottica delle trasformazioni digitali e green in corso, attraverso lo sviluppo di 3 pilastri strategici 20 :
• programmi di formazione avanzata e corsi di formazione professionale per offrire un percorso di apprendimento per studenti e professionisti;
• infrastrutture ed esperienze di apprendimento che permettano a individui e organizzazioni di connettersi, sviluppare competenze, migliorare e riqualificarsi all’interno di community come la Manufacturing Innovation Community;
• il coinvolgimento di studenti e giovani per creare consapevolezza reciproca, attrazione e coinvolgimento nella produzione, diffondendo informazioni e conoscenze al pubblico.
Le ricerche evidenziano che l’integrazione di tecnologie innovative, lo sviluppo delle competenze necessarie per operare nel nuovo e futuro scenario industriale e la realizzazione di modelli di business e processi altamente digitalizzati comportano vantaggi significativi trasversali, tra cui: l’aumento della presenza digitale delle organizzazioni; la soddisfazione delle esigenze delle persone con un approccio Customer Centric; il miglioramento del processo decisionale, dell’efficienza e della produttività attraverso un uso strutturato di Big Data; la facilitazione dell’innovazione, della comunicazione e del lavoro di squadra, nonché il miglioramento generale delle condizioni di lavoro21 . Inoltre, come dimostrato da una ricerca condotta nel 2018 dal World Economic Forum e Accenture, sono emersi 5 fattori chiave per ottenere il massimo ritorno sugli investimenti digitali (ROI) mirati alle trasformazioni digitali 22 :
• leadership agile e digitale: avere una visione strategica chiara, obiettivi definiti, competenze adeguate e allineamento a tutti i livelli di gestione per prendere decisioni rapide e innovative;
• competenze orientate al futuro: promuovere una mentalità digitale tra i dipendenti e includere l’innovazione nella formazione;
• pensiero ecosistemico: collaborare all’interno della catena del valore (fornitori, distributori, clienti) e con partner esterni (start-up e università);
• accesso e gestione dei dati: potenziare la competitività con una solida infrastruttura di dati e strumenti di analisi e comunicazione adeguati;
• prontezza dell’infrastruttura tecnologica: costruire un’infrastruttura tecnologica robusta che includa capacità di cloud, cybersecurity e interoperabilità.
In sintesi, l’automazione e la digitalizzazione stanno trasformando il lavoro industriale, in termini di operatività, gestione e competenze, ma la collaborazione tra macchine e esseri umani resta fondamentale per il successo della trasformazione digitale. Una relazione, quella tra persone, tecnologie e processi, definita in letteratura anche come business triangle e il suo equilibrio garantisce il successo di ogni azienda e si basa sull’integrazione delle macchine che gestiscono i processi, delle persone che li ottimizzano e monitorano, e sull’uso della tecnologia necessaria.
1.2 VERSO UNA PARTNERSHIP
TRA L’UOMO E LA MACCHINA
Modelli di collaborazione evoluti e orientati ad una partnership tra l’uomo e la macchina non rappresentano una novità nel campo delle tecnologie di produzione avanzate (Advanced Manufacturing Technologies, AMT). È invece fin dagli anni Cinquanta dal lavoro pionieristico di Wiesner 23, che ha posto la relazione tra uomini e macchine al centro della sua opera fondamentale. Anni dopo, un suo studente e collega, Licklider, propose la visione della simbiosi uomo-macchina 24 25 , che intendeva ispirare la ricerca futura sui meccanismi di controllo e servocontrollo e, a un livello superiore, sulla partnership uomo-macchina. Questo tema è ulteriormente sviluppato in anni recenti nel contesto della ricerca nello Human-Computer Interaction 26 nell’articolazione di sfide quali il bilanciamento del controllo della persona e l’automazione dei sistemi, l’indagine sull’intelligenza e l’adattabilità delle persone, la progettazione dell’adattività nei sistemi, lo sviluppo delle competenze, il riconoscimento delle emozioni e dei vissuti durante l’interazione uomo-macchina.
Nell’Advanced Manufacturing contano i fattori di progettazione e i fattori umani: i primi sono strettamente legati alla progettazione dei modelli di interazione e delle logiche degli algoritmi di sistema, i secondi ai fattori individuali e organizzativi implicati nell’interazione e alle caratteristiche sociali dell’operazione 27. In questo scenario, gli esseri umani sono essi stessi utenti target dell’automazione 28: le macchine, capaci di eseguire operazioni ed elaborare grandi quantità di dati e di integrare servizi, sono incaricate di svolgere funzioni complesse; mentre l’uomo ha il compito di supervisionare il processo, controllare il corretto funzionamento del sistema, prendere decisioni e rispondere a condizioni mutevoli e impreviste. A questo proposito, l’approccio Human-Centered Automation 29 propone un modello in cui l’automazione è progettata e implementata per essere compatibile con le capacità e le competenze degli utenti. Questo approccio permette di articolare e descrivere un continuum tra uomo e macchina 30, dove il grado di automazione è definito rispetto a una scala ai cui estremi si trovano l’au-
tomazione completa (controllo esclusivo da parte della macchina) e nessuna automazione (controllo esclusivo da parte dell’operatore). All’uomo e alla macchina sono assegnate funzioni specifiche, per ogni livello di automazione, in base alle competenze e alle capacità di ciascuno, sia in condizioni operative normali, sia in situazioni specifiche. Il continuum interazione-integrazione uomo-macchina 31 finora descritto fornisce il contesto per descrivere la relazione di partnership in cui entrambi i soggetti cooperano durante l’intero ciclo produttivo, al fine di raggiungere un obiettivo comune in cui produttività e benessere sono integrati.
Alcuni studiosi parlano dell’approccio human in the loop 32 , come approccio olistico che include la tecnologia, l’uomo e il contesto come componenti di pari valore dell’intero sistema socio-tecnico. Questo concetto si riferisce al modo in cui l’azione umana influenza le altre entità che agiscono, ad esempio la macchina autonoma. Ad esempio, quando l’interferenza umana influisce direttamente sull’entità che agisce si parla di human in the loop, mentre quando influisce indirettamente sulle azioni o sulla comunità dell’entità si parla di human on the loop 33 . Che sia direttamente o indirettamente influenzata dall’azione umana, l’automazione centrata sull’uomo implica la progettazione di compromessi tra il controllo umano e l’automazione in termini di trasferimento del controllo tra l’operatore e la macchina, facendo avanti e indietro quando si passa da un livello di autonomia all’altro34 .
La progettazione delle interazioni lungo queste transizioni nell’Advanced Manufacturing deve tenere conto dei ruoli dinamici che gli operatori possono assumere nella linea di produzione e del fatto che l’automazione è pervasiva sia ad alto livello di definizione che a basso livello di manipolazione ed elaborazione. Pertanto, l’operatore può avere un controllo di supervisione dei sistemi e dei processi di produzione che va dal controllo in modo esterno, per stabilire obiettivi di alto livello e sistemi di monitoraggio, fino al controllo in modo interno, in relazione al funzionamento “pratico”, minuto per minuto. Il controllo umano sfrutta importanti caratteristiche dei sistemi intelligenti come la trasparenza, la comprensibilità e la responsabilità, che contribuiscono a creare un rapporto di fiducia tra l’utente e il sistema e ad aumentare le prestazioni della partnership uomo-automazione 35 . Oltre alla trasparenza, la comprensibilità è favorita dall’intelligibilità e dalla responsabilità, che consentono agli utenti di comprendere meglio il modello del sistema, i processi computazionali sottostanti e quindi di controllare meglio le azioni del sistema 36 . L’intelligibilità può essere definita come la risposta alla domanda “come funziona?”, mentre la responsabilità come la risposta alla domanda “chi è responsabile del suo funzionamento?” 37. L’interesse verso l’intelligibilità e la responsabilità, insieme ai loro opposti, ovvero l’opacità intrinseca delle interfacce dei sistemi e l’imprevedibilità delle esperienze, sono al centro delle motivazioni che hanno spinto gli autori allo sviluppo di questo libro.
6. CONCLUSIONI
6.1 VERSO UNA CULTURA DEL PROGETTO NELL’INDUSTRIA DELLA MANIFATTURA
La ricerca presentata in questo libro ha l’ambizione di fornire spunti preziosi per i progettisti e le aziende interessate ai progetti di design di HMI.
La forte spinta alla digitalizzazione, l’integrazione di nuove tecnologie e il tema della sostenibilità hanno un impatto significativo sullo sviluppo di HMI moderne e innovative. Le aziende devono quindi rimanere aggiornate sulle innovazioni con le ultime tecnologiche, anche attraverso la partecipazione ad eventi di settore, convegni, fiere e il dialogo continuo con gli esperti e i progettisti. Creare una cultura del design all’interno delle organizzazioni rimane tuttavia un punto da sviluppare per supportare l’adozione di pratiche di design volte al coinvolgimento degli stakeholder e la creazione di HMI efficaci. Questo include promuovere la collaborazione tra diversi dipartimenti, incoraggiare la sperimentazione e adottare principi centrati sull’utente attraverso workshop e sessioni di formazione o di co-progettazione.
Durante le interazioni con CEO, Responsabili di uffici tecnici, R&D, Sales Manager, e altri esperti, abbiamo cercato di esaminare i principali motivi che spingono le aziende ad investire in progetti di design di HMI. Abbiamo identificato che questi motivi si suddividono in due categorie principali: interni ed esterni. I motivi interni riguardano le necessità e gli obiettivi specifici delle aziende, come l’ottimizzazione dei processi produttivi e la facilità di formazione per i nuovi operatori al fine ultimo di migliorare l’efficienza operativa e minimizzare i costi. D’altra parte, i motivi esterni includono la pressione competitiva e le richieste del mercato in un settore in rapida evoluzione. Il design delle interfacce e delle interazioni uomo-macchina rappresenta infatti un vantaggio competitivo che può contribuire a differenziare i prodotti, a soddisfare normative di settore e a rispondere alle tendenze tecnologiche. Dal punto di vista del ROI, investire nel design di HMI può contribuire a realizzare risparmi nel lungo termine attraverso una maggiore efficienza operativa, una prevenzione degli errori e una maggiore durata delle interfacce, anche grazie alla riduzione significativa di interventi di manutenzione. Questi
miglioramenti non solo ottimizzano le operazioni quotidiane, ma contribuiscono anche a rafforzare la fedeltà dei clienti e a conferire un vantaggio competitivo sul mercato. Inoltre, la necessità di rivedere i processi esistenti rappresenta un ulteriore stimolo per l’investimento. Attraverso la raccolta di dati, è possibile identificare le fasi di processo da migliorare, non solo dal punto di vista organizzativo ma anche per adattare l’interfaccia utente alle nuove modalità di lavoro o procedure rivisitate. Ciononostante, le aziende sono anche spinte ad investire in progetti di design di HMI anche solo per abbracciare i nuovi driver tecnologici. L’avvento di nuovi dispositivi, come dispositivi multi touch, di tecnologie come l’Internet of Things e l’intelligenza artificiale, può richiedere un ripensamento delle interfacce utente. Il settore mostra una difficoltà nella valutazione dei progetti di design delle interfacce uomo-macchina. Oltre agli indicatori generici menzionati in precedenza (come l’aumento del ROI e la riduzione degli errori), c’è scarsa consapevolezza dei KPI utili per valutare l’efficacia di tali interventi di design. Questi KPI possono includere metriche sull’usabilità, come il tempo medio per completare le attività degli utenti, il tasso di errori nell’utilizzo delle interfacce e il livello di soddisfazione degli utenti, così come indicatori di performance operativa come la produttività dei dipendenti, la riduzione dei tempi di fermo macchina e il miglioramento della qualità del lavoro. La misurazione e il monitoraggio di questi KPI consentirebbero alle aziende di valutare l’impatto dei progetti di design delle interfacce uomo-macchina e di apportare eventuali correzioni o miglioramenti per massimizzare i benefici. Una delle osservazioni raccolte nel capitolo 4. Ricerca per un quadro unitario sulle interfacce uomo-macchina riguarda il fatto che il design delle interfacce uomo-macchina è spesso gestito internamente dalle stesse aziende. Quando abbiamo chiesto se avevano un team di designer dedicato, la risposta più frequente è stata che gli ingegneri gestiscono tutte le attività relative alla progettazione delle interfacce. Questa situazione evidenzia una diffusa mancanza di cultura del design e di competenze specifiche nel settore, generando confusione sulle responsabilità e sui processi coinvolti nella progettazione delle interfacce. La mancanza di un approccio strutturato al design può portare a prodotti finali che non soddisfano appieno le esigenze e le aspettative degli utenti, compromettendo l’usabilità del prodotto e limitando le opportunità di innovazione e di differenziazione nel mercato. Inoltre, le esperienze pregresse delle aziende nei progetti di design delle interfacce uomo-macchina possono influenzare notevolmente sul processo di adozione di nuovi progetti, sia positivamente che negativamente. Le aziende che hanno avuto successo in passato con progetti di design vantano una solida base di conoscenze, competenze e best practice acquisite dall’esperienza precedente. Questo può facilitare lo sviluppo di nuove interfacce più efficaci e intuitive, basate su approcci orientati al design e ai feedback degli utenti. D’altra parte, le aziende che hanno incontrato difficoltà o fallimenti passati potrebbero essere più caute nello sviluppo di nuovi progetti di design. Potreb-
bero preferire approcci più conservativi o prudenti, limitando l’innovazione e la creatività nel processo di progettazione. Nei casi estremi, le aziende potrebbero decidere di non apportare alcuna modifica o integrazione, temendo che un cambiamento possa causare lamentele da parte degli utenti abituati alle interfacce esistenti. In generale, le aziende avvertono la necessità di adottare una visione strategica e integrata nel design delle interfacce uomo-macchina, che consideri tanto le esigenze interne quanto le pressioni esterne. Investire nel design delle HMI non è solo una questione di miglioramento dell’usabilità, ma rappresenta una leva strategica per ottimizzare i processi, aumentare la produttività e garantire una transizione efficace verso le nuove tecnologie. La valutazione accurata dei KPI e la disponibilità di competenze specifiche sono strumenti validi per misurare l’impatto e guidare l’innovazione nel design delle interfacce. Con un approccio ben strutturato e orientato al futuro, le aziende potranno affrontare con successo le sfide del mercato e trarre il massimo vantaggio dalle opportunità offerte dalle tecnologie innovative.
6.2 IL BISOGNO DI UN
IMPEGNO PROGETTUALE PER L’INDUSTRIA
Questi spunti confermano le tendenze già osservate nel settore, evidenziando che le esigenze dei clienti e le richieste di personalizzazione sono tra i principali fattori che stimolano l’adozione di questi progetti. Per rispondere a tali esigenze, è fondamentale che i progettisti adottino un processo di design iterativo che includa il feedback degli stakeholder fin dalle prime fasi del progetto.
I designer infatti devono fin da subito interagire con gli stakeholder, identificare i decisori principali e comprendere i loro punti di vista e motivazioni è essenziale per allineare il progetto alle loro aspettative e ottenere il loro supporto. Spesso, i progetti devono essere approvati da più livelli e coinvolgere vari reparti, quindi è utile conoscere le dinamiche interne e le priorità degli interlocutori per garantire la messa a terra del progetto. Di conseguenza è importante stabilire una comunicazione chiara e continua con tutti i partecipanti al progetto per allineare gli obiettivi e gestire eventuali conflitti. È altrettanto importante supportare le aziende a capire qual è il momento giusto per avviare un progetto di HMI. Gli interlocutori possono essere ancora in fase di esplorazione e orientamento, quindi è fondamentale fornire supporto nella valutazione del timing, nella definizione degli obiettivi e nella pianificazione strategica. Facilitare la transizione da una fase di esplorazione a una di implementazione con una comunicazione chiara e consulenze mirate aiuta a superare incertezze e definire un piano d’azione concreto. Sicuramente richiede un certo investimento di tempo e risorse iniziale, ma garantisce il commitment necessario all’avvio e al completamento del progetto.
La gestione del budget è un altro tema chiave. Come emerso dalla ricerca, la conoscenza dei bandi pubblici e dei crediti d’imposta disponibili è nota alle aziende e suggerisce che le organizzazioni possono e dovrebbero sfruttare queste risorse per supportare l’innovazione e ottimizzare i loro progetti di design. Che siano risorse economiche interne o esterne, rimane comunque
importante allinearsi fin da subito su cosa è possibile realizzare con il budget disponibile e identificare strategie di scalabilità al fine di completare il progetto senza superare i limiti finanziari.
Inoltre, è fondamentale chiarire gli outcome del progetto. Chi non ha esperienza con il design di HMI potrebbe non sapere cosa aspettarsi esattamente. Per affrontare questo punto, è utile fornire una visione chiara di cosa comporta il progetto, inclusi metodi, deliverable e benefici attesi. Stabilire obiettivi e metriche di successo fin dall’inizio aiuta a gestire le aspettative e a dimostrare il valore del progetto. Infine, coinvolgere il team di sviluppo sin dalle prime fasi del progetto favorisce una comprensione condivisa delle esigenze tecniche e delle sfide del progetto. Questo approccio riduce il rischio di problemi tecnici e garantisce che il design sia realizzabile ed efficace.
Il compito dei designer è dunque chiaro: sviluppare soluzioni che rispondano alle esigenze dei clienti e del mercato, coinvolgendo utenti e stakeholder, rispettando tempi di sviluppo rapidi e mantenendo una comunicazione costante e chiara al fine di garantire il successo del progetto.
BIBLIOGRAFIA
PREFAZIONE
1 — Citterio, A. (2010). Industrial Design. In Lessico del XXI secolo (Vol. 1, pp. 240-240). Istituto della Enciclopedia Italiana Fondata da Giovanni Treccani.
2 — Harris, M., Prabhu, J., & Bhatti, Y. (2020). Frugal Innovation for Today’s and Tomorrow’s Crises. Stanford Social Innovation Review. https://doi.org/10.48558/ J6QK-9K57
3 — Vom Brocke, J., Hevner, A., & Maedche, A. (2020). Introduction to design science research. Design science research. Cases, 1-13 .
4 — Akoka, J., Comyn-Wattiau, I., Prat, N., & Storey, V. C. (2023). Knowledge contributions in design science research: Paths of knowledge types. Decision support systems, 166, 113898 .
5 — Weigand, H., Johannesson, P., & Andersson, B. (2021). An artifact ontology for design science research. Data & Knowledge Engineering, 133, 101878.
6 — Norman, D. A., & Stappers, P. J. (2015). DesignX: complex sociotechnical systems. She Ji: The Journal of Design, Economics, and Innovation, 1(2), 83-106
1.1
- LA TRASFORMAZIONE
DIGITALE E IL LAVORO CHE
CAMBIA
7 — Frost, M., Jeske, T., & Ottersböck, N. (2020). Leadership and corporate culture as key factors for thriving digital change. Advances in Intelligent Systems and Computing, 55–61. https://doi.org/10.1007/978-3-030-51369-6_8
8 — Bauer, H., Ebenstein, D., Poltronieri, G., & Stein, J. P. (2023, June 16). Is industrial automation headed for a tipping point?. McKinsey & Company. https://www. mckinsey.com/industries/automotive-and-assembly/our-insights/is-industrialautomation-headed-for-a-tipping-point
9 — Norman, D., & Stappers, P. J. (2016). DesignX: Design and complex sociotechnical systems. She Ji: The Journal of Design, Economics, and Innovation, 1(2). http://dx.doi. org/10.1016/j.sheji.2016.01.002
10 — Kim, J., & Vicente, E., & Roth, E., & Randall, J. M. (2001). How do operators monitor a complex, dynamic work domain? The impact of control room technology. In: International Journal of Human-Computer Studies, 54.6, pp. 831–856.
11 — Pollini, A., De Donatis, F., Iacono, I. (2021) Agenti Intelligenti con Voice User Interfaces in Control Room: uno Studio Esplorativo. ERGONOMIA n. 22.
12 — Braarud, P. O., & Svengren, H., & Hunton, P., & Joe, J., & Hanes, L., (2019). A graded approach to the human factors validation of turbine control system digital upgrade and control room modernization. In: Proceedings of the Eleventh American Nuclear Society International Topical on Nuclear Plant Instrumentation, Controls and Human-Machine Interface Technologies (NPIC & HMIT 2019). Orlando, FL: American Nuclear Society.
13 — Ghanavati, F., & Choobineh, A., & Keshavarzi, S., & Nasihatkon, A., & Jafari Roodbandi, A. (2019) Assessment of mental workload and its association with work ability in control room operators. La Medicina del lavoro, 110. 389-397. http://dx.doi. org/10.23749/mdl.v110i5.8115
14 — Ikuma, L.H., & Harvey, C., & Taylor, C.F., & Handal, C. (2014). A guide for assessing control room operator performance using speed and accuracy, perceived workload, situation awareness, and eye tracking. Journal of Loss Prevention in the Process Industries, 32, 2014, pp. 454-465, (ISSN 0950-4230).
15 — Kyriakidis, M., & De Winter J. C. F., & Stanton, N., & Bellet, T., & Van Arem, B., & Brookhuis K., (2019). A Human Factors Perspective on Automated Driving. Theoretical Issues in Ergonomics Science, March 2019.
16 — Ente Italiano di Normazione (UNI). (2011). UNI EN ISO 10218-2:2011. Robot e attrezzature per robot - Requisiti di sicurezza per robot industriali - Parte 2: Sistemi ed integrazione di robot. Milano: UNI.
17 — Evjemo, L. D., Gjerstad, T., Grøtli, E. I., & Sziebig, G. (2020). Trends in smart manufacturing: Role of humans and industrial robots in Smart Factories. Current Robotics Reports, 1(2), 35–41. https://doi.org/10.1007/s43154-020-00006-5
18 — Link, M., Dukino, C., Ganz, W., Hamann, K., & Schnalzer, K. (2020). The use of AI-based assistance systems in the service sector: Opportunities, challenges and applications. Advances in Intelligent Systems and Computing, 10–16. https://doi. org/10.1007/978-3-030-51369-6_2
19 — Sharma, A., & Jain, D. K. (2019). Development of industry 4.0. Advances in Science, Technology & Innovation, 23–38. https://doi.org/10.1007/978-3-03014544-6_2
20 — Education. EIT Manufacturing. (2023, December 5). https://www. eitmanufacturing.eu/what-we-do/education/
21 — Paschek, D., Luminosu, C.-T., & Ocakci, E. (2022). Industry 5.0 challenges and perspectives for manufacturing systems in the society 5.0. Advances in Sustainability Science and Technology, 17–63. https://doi.org/10.1007/978-981-167365-8_2
22 — World Economic Forum in collaboration with Accenture. (2018, May). Digital Transformation Initiative. Maximizing the Return on Digital Investments. https:// www3.weforum.org/docs/DTI_Maximizing_Return_Digital_WP.pdf
1.2 - VERSO UNA PARTNERSHIP TRA L’UOMO E LA MACCHINA
23 — Wiesner, J. B. (1966). Communication Sciences in a University Environment, in IBM Journal of Research and Development, vol. 2, no. 4, pp. 268-275, Oct. 1958. https://doi.org/10.1147/rd.24.0268
24 — Licklider, J. C. R., “Man-Computer Symbiosis” Archived 2005-11-03 at the Wayback Machine, IRE Transactions on Human Factors in Electronics, vol. HFE-1, 4-11, March 1960.
25 — Peruzzini, M., Prati, E., & Pellicciari, M. (2023). A framework to design smart manufacturing systems for Industry 5.0 based on the human-automation symbiosis. International Journal of Computer Integrated Manufacturing, 37(10–11), 1426–1443. https://doi.org/10.1080/0951192X.2023.2257634
26 — Stephanidis, C., Salvendy, G., Antona, M., Chen, J. Y., Dong, J., Duffy, V. G., ... & Zhou, J. (2019). Seven HCI grand challenges. International Journal of Human–Computer Interaction, 35(14), 1229-1269.
27 — Salvendy, G., Karwowski, W. (1994) Organization and management of advanced manufacturing. Wiley.
28 — Parasuraman, R., Riley, V. (1997) Humans and Automation: Use, Misuse, Disuse, Abuse. Human Factors: The Journal of the Human Factors and Ergonomics Society,39(2), 230-253.
29 — Kaber, D. B., Endsley, M. R. (1997) Out-of-the-loop performance problems and the use of intermediate levels of automation for improved control system functioning and safety. Process Safety Progress,16(3), 126-131.
30 — Sheridan, T. B., & Verplank, W. L. (1978). Human and Computer Control of Undersea Teleoperators. https://doi.org/10.21236/ada057655
31 — Farooq, U., & Grudin, J. (2016). Human-Computer Integration. Interactions, 23(6), 26–32. https://doi.org/10.1145/3001896
32 — Millot, P., & Trentesaux, D. (2016). A human-centred design to break the myth of the “magic human” in intelligent manufacturing systems. In Borangiu, T., Trentesaux, D., Thomas, A., & McFarlane, D. (Eds.), Service orientation in holonic and multi-agent manufacturing (Vol. 640, pp. 103–113). Studies in Computational Intelligence.
33 — Russell, S., Dewey, D., & Tegmark, M. (2015) Research priorities for robust and beneficial artificial intelligence. AI Magazine, 36(4), 105–114.
34 — Stephanidis, C., Salvendy, G., Antona, M., Chen, J. Y., Dong, J., Duffy, V. G., Fang, X., Fidopiastis, C., Fragomeni, G., Fu, L. P., Guo, Y., Harris, D., Ioannou, A., Jeong, K. (Kate), Konomi, S., Krömker, H., Kurosu, M., Lewis, J. R., Marcus, A., … Zhou, J. (2019). Seven HCI grand challenges. International Journal of Human–Computer Interaction, 35(14), 1229–1269. https://doi.org/10.1080/10447318.2019.1619259
35 — Chen, S., . Y., Wang, J., . H. (2019) Human factors and personalized digital learning: An editorial. International Journal of Human–Computer Interaction, 35(4–5), 297–298.
36 — Shneiderman, B., Plaisant, C., Cohen, M., Jacobs, S., Elmqvist, N., & Diakopoulos, N. (2016). Grand challenges for HCI researchers. Interactions, 23(5), 24–25. https:// doi.org/10.1145/2977645
37 — Floridi, L., Cowls, J., Beltrametti, M. et al. (2018) AI4People—An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds & Machines 28, 689–707.
2.1 - L’IMPLEMENTAZIONE DELL’INDUSTRIA 4.0
38 — Costa, P., Casarotto, L., & Cunico, E. (2021). Design, space management and work tools: enhancing human work in transition to Industry 4.0. In Design Culture (s). Cumulus Conference Proceedings Roma 2021 (Vol. 2, pp. 227-236). Cumulus Association.
39 — Romero, D., Bernus, P., Noran, O., Stahre, J., & Fast-Berglund, Å. (2016). The operator 4.0: Human cyber-physical systems & adaptive automation towards human-automation symbiosis work systems. IFIP Advances in Information and Communication Technology, 677–686. https://doi.org/10.1007/978-3-319-51133-7_80
40 — Ideas. Innovation. Prosperity. High-Tech Strategy 2020 for Germany. (n.d.). https://ec.europa.eu/futurium/en/system/files/ged/hts_broschuere_engl_bf_1.pdf
41 — Hermann, M., Pentek, T., & Otto, B. (2016). Design principles for industrie 4.0 scenarios. 2016 49th Hawaii International Conference on System Sciences (HICSS). https://doi.org/10.1109/hicss.2016.488
42 — Campatelli, G. (2023). La transizione da industria 4.0 a industria 5.0, Harvard Business Review
43 — Dipartimento per la Trasformazione Digitale. Repubblica Digitale. (n.d.). https:// repubblicadigitale.gov.it/portale/
44 — Schumacher, A., Erol, S., & Sihn, W. (2016). A maturity model for assessing industry 4.0 readiness and maturity of manufacturing enterprises. Procedia CIRP, 52, 161–166. https://doi.org/10.1016/j.procir.2016.07.040
45 — Assessment Maturità Digitale per le imprese. Assessment maturità digitale per le imprese | PID. (n.d.). https://www.puntoimpresadigitale.camcom.it/ paginainterna/assessment-maturita-digitale-imprese
46 — Flesher, N., Jain, A., Ende, O. van der, & Ray, R. K. (2024, August 14). Using AI to accelerate process optimization: Is your plant ready?. McKinsey & Company. https:// www.mckinsey.com/industries/metals-and-mining/our-insights/using-ai-toaccelerate-process-optimization-is-your-plant-ready
47 — Caylar, P.-L., Naik, K., & Noterdaeme, O. (2016, August 26). Digital in industry: From buzzword to value creation. McKinsey & Company. https://www.mckinsey. com/capabilities/mckinsey-digital/our-insights/digital-in-industry-frombuzzword-to-value-creation
48 — Piano Nazionale Industria 4.0. (n.d.-b). https://www.mimit.gov.it/images/ stories/documenti/guida_industria_40.pdf
49 — Romero, D., Stahre, J., Taisch, M., (2020) The Operator 4.0: Towards socially sustainable factories of the future. Computers & Industrial Engineering. Volume 139. 2020, 106128, ISSN 0360-8352, https://doi.org/10.1016/j.cie.2019.106128.
50 — Zarte, M., Pechmann, A., & Nunes, I. L. (2020). Principles for human-centered system design in industry 4.0 – A systematic literature review. Advances in Intelligent Systems and Computing, 140–147. https://doi.org/10.1007/978-3-03051369-6_19
51 — Costa, P., Casarotto, L., & Cunico, E. (2021). Design, space management and work tools: enhancing human work in transition to Industry 4.0. In Design Culture (s). Cumulus Conference Proceedings Roma 2021 (Vol. 2, pp. 227-236). Cumulus Association.
52 — Fallaha, M., Cinar, Z. M., Korhan, O., & Zeeshan, Q. (2020). Operator 4.0 and Cognitive Ergonomics. Lecture Notes in Management and Industrial Engineering, 217–228. https://doi.org/10.1007/978-3-030-42416-9_20
53 — Rauch E., Linder C., Dallasega P. (2019) Anthropocentric perspective of production before and within Industry 4.0. Comput Ind Eng. https://doi.org/10.1016/j. cie.2019.01.018
2.2 - L’OPERATORE RESILIENTE E RISOLUTORE DI PROBLEMI
54 — Baldassarra, F., Casarotto, L., Costa, P., & De Feo, A. (2021). The Cyclical Design Process in the 4.0 Era: Design Across Digitalization and Virtualization. DIID, 10(75), 108-117.
55 — European Commission: Directorate-General for Research and Innovation, Breque, M., De Nul, L. and Petridis, A., Industry 5.0 – Towards a sustainable, humancentric and resilient European industry, Publications Office of the European Union, 2021, https://data.europa.eu/doi/10.2777/308407
56 — Industry 5.0. European Economic and Social Committee. (2019, February 26). https://www.eesc.europa.eu/en/agenda/our-events/events/industry-50/
57 — Paschek, D., Luminosu, C.-T., & Ocakci, E. (2022). Industry 5.0 challenges and perspectives for manufacturing systems in the society 5.0. Advances in Sustainability Science and Technology, 17–63. https://doi.org/10.1007/978-981-16-7365-8_2
58 — Dragan, F., Ivascu, L., & Ardelean, B.-O. (2022). Trends for manufacturing industry: A strategic roadmap toward industry 5.0. Advances in Sustainability Science and Technology, 275–292. https://doi.org/10.1007/978-981-16-7365-8_11
59 — Industry 5.0 - towards a sustainable, human-centric and resilient European industry. Research and innovation. (2021, January 5). https://research-and-innovation. ec.europa.eu/knowledge-publications-tools-and-data/publications/all-publications/ industry-50-towards-sustainable-human-centric-and-resilient-european-industry_en
60 — Bauer, H., Ebenstein, D., Poltronieri, G., & Stein, J. P. (2023a, June 16). Is industrial automation headed for a tipping point?. McKinsey & Company. https://www.mckinsey.com/industries/ automotive-and-assembly/our-insights/is-industrial-automation-headed-for-a-tipping-point
61 — Romero, D., & Stahre, J. (2021). Towards the resilient operator 5.0: The future of work in Smart Resilient Manufacturing Systems. Procedia CIRP, 104, 1089–1094. https://doi. org/10.1016/j.procir.2021.11.183
62 — Farooq, U., & Grudin, J. (2016). Human-Computer Integration. Interactions, 23(6), 26–32. https://doi.org/10.1145/3001896
63 — Bagnara, S. (1990). The design of training and education in Automation. Design Issues, 7(1), 53. https://doi.org/10.2307/1511471
64 — Paschek, D., Luminosu, C.-T., & Ocakci, E. (2022). Industry 5.0 challenges and perspectives for manufacturing systems in the society 5.0. Advances in Sustainability Science and Technology, 17–63. https://doi.org/10.1007/978-981-16-7365-8_2
65 — Nguyen Ngoc, H., Lasa, G., & Iriarte, I. (2021). Human-centred design in industry 4.0: Case study review and opportunities for future research. Journal of Intelligent Manufacturing, 33(1), 35–76. https://doi.org/10.1007/s10845-021-01796-x
2.3 - LE SFIDE DELLO SMART MANUFACTURING
66 — Paschek, D., Luminosu, C.-T., & Ocakci, E. (2022). Industry 5.0 challenges and perspectives for manufacturing systems in the society 5.0. Advances in Sustainability Science and Technology, 17–63. https://doi.org/10.1007/978-981-16-7365-8_2
67 — Deloitte Global Millennial Survey 2019. (2019, May 31). https://www2.deloitte. com/cn/en/pages/about-deloitte/articles/2019-millennial-survey.html
68 — Report 2019: Skills for the future of manufacturing. World Manufacturing Foundation. (2019, January 25). https://worldmanufacturing.org/report/report-2019/
2.4 - SERVIZI DIGITALI NELL’INDUSTRIA DEL
MANUFACTURING
69 — Stato della cx Nel settore manifatturiero 2023. Zendesk. (2023, August 29). https://www.zendesk.com/it/blog/state-manufacturing-cx/
3.1 - L’INDUSTRIA DELLA MANIFATTURA TRA RESISTENZA AL CAMBIAMENTO E NECESSITÀ DI INNOVAZIONE
70 — Nguyen Ngoc, H., Lasa, G., & Iriarte, I. (2021). Human-centred design in industry 4.0: Case study review and opportunities for future research. Journal of Intelligent Manufacturing, 33(1), 35–76. https://doi.org/10.1007/s10845-021-01796-x
71 — Licklider, J. C. R., (1960) “Man-Computer Symbiosis”. Archived 2005-11-03 at the Wayback Machine, IRE Transactions on Human Factors in Electronics, vol. HFE-1, 4-11, March.
72 — Brangier, É., & Hammes-Adelé, S. (2011). Beyond the technology acceptance model: Elements to validate the human-technology symbiosis model. Lecture Notes in Computer Science, 13–21. https://doi.org/10.1007/978-3-642-21716-6_2
73 — Norman, D. A. (2024). Design for a Better World: Meaningful, sustainable, humanity centered. The MIT Press.
74 — Lampinen, A., Light, A., Rossitto, C., Fedosov, A., Bassetti, C., Bernat, A., Travlou, P., & Avram, G. (2022). Processes of Proliferation: Impact Beyond Scaling in Sharing and Collaborative Economies. Proceedings of the ACM on Human-Computer interaction, 6(GROUP), 1–22. https://doi.org/10.1145/3492860
75 — Ehn, P. (2008). Participation in design things. Proceedings of the Tenth Anniversary Conference on Participatory Design 2008, 92–101.
76 — Ehn, P. (2017). Scandinavian Design: On Participation and Skill. In D. Schuler & A. Namioka (Eds.), Participatory Design (1st ed., pp. 41–77). CRC Press. https://doi. org/10.1201/9780203744338-4
77 — Norman, D. (n.d.). What went wrong in Hawaii, human error? Nope, bad design. https://www.fastcompany.com/90157153/don-norman-what-went-wrong-inhawaii-human-error-nope-bad-design
78 — Direttiva 2006/42/CE del Parlamento europeo e del Consiglio. (n.d.-a). https:// eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2006:157:0024:0086:it:PDF
79 — ISO 9241-110:2020(en) Ergonomics of human-system interaction — Part 110: Interaction principles. ISO. (n.d.). https://www.iso.org/obp/ui/#iso:std:iso:9241:-110:ed-2:v1:en
80 — Zappia, G. (n.d.). EN ISO 6385:2016: Progettazione Ergonomica Sistemi di Lavoro. EN ISO 6385:2016. https://www.certifico.com/ normazione/234-documenti-riservati-normazione/14377-en-iso-6385-2016progettazione-ergonomica-sistemi-di-lavoro
81 — ISO/TR 9241-810:2020. ISO. (2020, September 2). https://www.iso.org/standard/76577.html
82 — Luca Merzi, CPO & Executive Advisor. Comunicazione personale Novembre 2024.
3.2 - LE INTERFACCE MACCHINA TRA PASSATO E
FUTURO
83 — Papcun, P., Kajati, E., & Koziorek, J. (2018). Human machine interface in concept of industry 4.0. 2018 World Symposium on Digital Intelligence for Systems and Machines (DISA). https://doi.org/10.1109/disa.2018.8490603
84 — Anceschi, G. (1993). Il progetto delle interfacce: Oggetti Colloquiali e Protesi Virtuali. Domus academy.
85 — Kepes, G. (1949). Function in modern design. Graphic Forms, 3–14. https://doi. org/10.4159/harvard.9780674182295.c3
86 — Maldonado, T. (2003). Disegno Industriale: Un riesame. Feltrinelli.
87 — Shneiderman, B. (1987). Designing the user interface strategies for effective humancomputer interaction. ACM SIGBIO Newsletter, 9(1), 6. https://doi.org/10.1145/25065.950626
88 — Nielsen, J. (1994). Usability testing. Usability Engineering, 165–206. https://doi. org/10.1016/b978-0-08-052029-2.50009-7
89 — Wickens, C. D., Gordon, S. E., & Liu, Y. (2004). An introduction to human factors engineering. Pearson Prentice Hall.
90 — Cherry, C. (1966). On human communication. Amsterdam University Press.
91 — Barbacetto, G. (1987). Interfaccia Design: La comunicazione Uomo Macchina e i progetti di king e miranda per olivetti. Arcadia.
92 — Johnson, D. W., & Johnson, R. (1989). Cooperation and competition: Theory and research. Interaction Book Company.
93 — Anceschi, G. (1993). Il progetto delle interfacce: Oggetti Colloquiali e Protesi Virtuali. Domus academy.
94 — Papcun, P., Kajati, E., & Koziorek, J. (2018). Human machine interface in concept of industry 4.0. 2018 World Symposium on Digital Intelligence for Systems and Machines (DISA). https://doi.org/10.1109/disa.2018.8490603
95 — Noyes, J., & Bransby, M. (2001). People in control: Human factors in control room design. MPG Books.
96 — Astrom, K. (1985). Process control--past, present and future. IEEE Control Systems Magazine, 5(3), 3–10. https://doi.org/10.1109/mcs.1985.1104958
97 — Ivergard, T., & Hunt, B. (2008). Handbook of Control Room Design and Ergonomics. https://doi.org/10.1201/9781420064346
98 — Vaidya, S., Ambad, P., & Bhosle, S. (2018). Industry 4.0 – A glimpse. Procedia Manufacturing, 20, 233–238. https://doi.org/10.1016/j.promfg.2018.02.034
99 — Adwernat, S., Wolf, M., & Gerhard, D. (2020). Optimizing the design review process for cyber-physical systems using virtual reality. Procedia CIRP, 91, 710–715. https://doi.org/10.1016/j.procir.2020.03.115
100 — Lucke, D., Constantinescu, C., & Westkämper, E. (2008). Smart factory - a step towards the next generation of manufacturing. Manufacturing Systems and Technologies for the New Frontier, 115–118. https://doi.org/10.1007/978-1-84800267-8_23
101 — Monostori, L., Kádár, B., Bauernhansl, T., Kondoh, S., Kumara, S., Reinhart, G., Sauer, O., Schuh, G., Sihn, W., & Ueda, K. (2016). Cyber-physical systems in manufacturing. CIRP Annals, 65(2), 621–641. https://doi.org/10.1016/j.cirp.2016.06.005
102 — Dall’Osso, G.; Zannoni, M.; Succini, L., (2024) Relationship Between Human and Rhythmic Dynamics in the Digital Interactive Experience, in: Libro, Cham, Springer, 2024, pp. 877 - 894. SPRINGER SERIES IN DESIGN AND INNOVATION.
103 — Lee, J., Davari, H., Singh, J., & Pandhare, V. (2018). Industrial Artificial Intelligence for Industry 4.0-based manufacturing systems. Manufacturing Letters, 18, 20–23. https://doi.org/10.1016/j.mfglet.2018.09.002
104 — Calış Duman, M., & Akdemir, B. (2021). A study to determine the effects of Industry 4.0 technology components on organizational performance. Technological Forecasting and Social Change, 167, 120615. https://doi.org/10.1016/j. techfore.2021.120615
105 — Pollini, A., de Donatis, F., & Iacono, I. (2021). Agenti intelligenti con voice user interfaces in control room: uno studio esplorativo. Rivista Italiana di Ergonomia, 113–136.
106 — Commissione europea, Direzione generale della Ricerca e dell’innovazione, Breque, M., De Nul, L. and Petridis, A., Industry 5.0 : towards a sustainable, humancentric and resilient European industry, Ufficio delle pubblicazioni dell’Unione europea, 2021, https://data.europa.eu/doi/10.2777/308407
107 — Weyer, S., Schmitt, M., Ohmer, M., & Gorecky, D. (2015). Towards industry 4.0standardization as the crucial challenge for highly modular, multi-vendor production systems. IFAC-PapersOnLine, 48(3), 579–584. https://doi.org/10.1016/j.ifacol.2015.06.143
108 — Bagnara, S. (2017) Psicologia cognitiva, design e nuove tecnologie. Blog BSD Stories. URL: https://medium.com/bsd-stories/psicologia-cognitiva-design-enuove-tecnologie-37d4c4a92a1c
3.3 - LA PROMESSA DELLE TECNOLOGIE IMMERSIVE
NEL MANUFACTURING
109 — Grandi, F., Contini, G., Peruzzini, M., Raffaeli, R. (2025) A human-centric methodology for the co-evolution of operators’ skills, digital tools and user interfaces to support the Operator 4.0, Robotics and Computer-Integrated Manufacturing, Volume 91, 2025, 102854, ISSN 0736-5845,https://doi.org/10.1016/j. rcim.2024.102854
110 — Zigart, T., & Schlund, S. (2020). Evaluation of augmented reality technologies in manufacturing – A literature review. Advances in Intelligent Systems and Computing, 75–82. https://doi.org/10.1007/978-3-030-51369-6_11
111 — The metaverse at work. Nokia. (n.d.). https://www.nokia.com/metaverse/ industrial-metaverse/the-metaverse-at-work-research/
112 — Pollini, A., Zannoni, M., Peruzzini, M., Pucci, D., (2024) Proximity Machinery through Distributed Augmented Reality: Design for Training the Resilient Operator 5.0. Conferenza annuale della Società Italiana di Design. Milano: Società Italiana di Design.
113 — Pollini, A., Sabatini, S., Traversari, S. (2024) Proximity Machinery through Distributed Augmented Reality: Design for Training the Resilient Operator 5.0. ERCIM News 137. May 2024 Special theme: Extended Reality.
3.4 - PROGETTARE PER L’INNOVAZIONE DELLE
INTERFACCE UOMO-MACCHINA
114 — BSD Design. (n.d.). http://www.bsdesign.eu/
4 - RICERCA PER UN QUADRO UNITARIO SULLE
INTERFACCE MACCHINA
115 — Verganti, R. (2009). Design driven innovation: changing the rules of competition by radically innovating what things mean. Harvard Business Press.
116 — Norman, D. A., & Verganti, R. (2014). Incremental and radical innovation: Design research vs. technology and meaning change. Design issues, 30(1), 78-96.
117 — Stephanidis, C., Salvendy, G., Antona, M., Chen, J. Y., Dong, J., Duffy, V. G., ... & Zhou, J. (2019). Seven HCI grand challenges. International Journal of Human–Computer Interaction, 35(14), 1229-1269.
4.1 - L’ANALISI BASATA SUI CASI
118 — Stake, R. E. (1995). The Art of Case Study Research. Sage.
119 — Pollini, A., Di Massa, A., & Bagnara, S. (2020). The Evolution of the HMI Design. From the Current Landscape towards Industrial Machine Interface Design Innovation Framework.
120 — Usability. Digital.gov. (n.d.). https://digital.gov/topics/usability/
121 — Norman, D. A. (2013). The design of everyday things. Basic Books, A Member of the Perseus Books Group.
122 — Zannoni, M. (2024) Il design delle interfacce, Macerata, Quodlibet.
123 — Bagnara, S., & Smith, G. C. (2019). Theories and practice in interaction design. CRC Press.
124 — Bruce, T. (2014). Design Principles. https://www.designprinciplesftw.com/ collections/first-principles-of-interaction-design
125 — Moggridge, B. (2007). Designing interactions. MIT Press.
126 — Kolko, J. (2011). Thoughts on interaction design: A collection of reflections. Morgan Kaufmann/Elsevier.
127 — If design - home of the if design award, among the world’s most prestigious design competitions. iF Design - Home of the iF DESIGN AWARD, among the world’s most prestigious design competitions. (n.d.). https://ifdesign.com/en/
128 — Red Dot Design Award. (n.d.). https://www.red-dot.org/
129 — Classificazione Statistica delle Attività economiche - Nace revisione 2.1. Classificazione statistica delle attività economiche — NACE Revisione 2.1. (n.d.). https://eur-lex.europa.eu/IT/legal-content/summary/statistical-classification-ofeconomic-activities-nace-revision-2-1.html
130 — Kiefel - HMI for packaging machines: Caderadesign - industrial grade UX. News RSS. (2019, October 1). Ultimo accesso URL in data 11/11/24: https:// caderadesign.de/en/projects/kiefel-hmi-for-packaging-machines
131 — MDC - The SANTAK Micro Data Center System. iF Design. (n.d.). Ultimo accesso URL in data 11/11/24 data: https://ifdesign.com/en/winner-ranking/project/ mdc-the-santak-micro-data-center-system/582041
132 — Corporate user interface for plastic production pioneerProcessControl / Kraussmaffei GmbH. HMI Project | Pioneer Process Control – Corporate User Interface for the Plastic Production of KraussMaffei. (n.d.). Ultimo accesso URL in data 11/11/24: https://hmi-project.com/en/projects/ppc
133 — Design, iF. (n.d.). South Stream. iF Design. Ultimo accesso URL in data 11/11/24: https://ifdesign.com/en/winner-ranking/project/south-stream/346829
134 — Edna - the ecosystem for production processes and the future of the connected factory. Red Dot Design Award: EDNA - the ecosystem for production processes and the future of the connected factory. Ultimo accesso URL in data 11/11/24: https://www.red-dot.org/project/edna-the-ecosystem-for-productionprocesses-and-the-future-of-the-connected-factory-48347
135 — LMS Life – Next Generation Line Monitoring System. iF Design. (n.d.-a). Ultimo accesso URL in data 11/11/24: https://ifdesign.com/en/winner-ranking/project/ lms-life-next-generation-line-monitoring-system/312701
4.3 - LA RICERCA SCIENTIFICA
136 — Zannoni, M., Di Massa, A., Pollini, A. (2022) “Progettare l’interazione Con Le Macchine Assecondando i Bisogni Delle Persone”. SISTEMI & IMPRESA 3, 24–26.
137 — Karwowski, W., & Salvendy, G. (1994). Organization and management of Advanced Manufacturing. Wiley.
138 — Pollini, A., & Giusti, L. (2021). At the interface: Opening a debate on the future of interfaces. DIID, 74(74). https://doi.org/10.30682/diid7421c
139 — Yang, Q., Steinfeld, A., Rosé, C., & Zimmerman, J. (2020). Re-examining whether, why, and how human-ai interaction is uniquely difficult to design. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3313831.3376301
140 — Stake, R. E. (1995). The Art of Case Study Research. Sage.
141 — Pollini, A., & Giusti, L. (2021). At the interface: Opening a debate on the future of interfaces. DIID, 74(74). https://doi.org/10.30682/diid7421c
142 — Ensslin, L., Ensslin, S.R., de O. Lacerda, R.T., Tasca, J.E. (2010) “ProKnow-C, knowledge development processconstructivist.” Processo técnico com patente de registro pendente junto ao INPI. Brasil 10, no. 4; INPI; [sn]: Brasil.
143 — Falagas, M. E., Pitsouni, E. I., Malietzis, G. A., & Pappas, G. (2007). Comparison of pubmed, Scopus, web of science, and google scholar: Strengths and weaknesses. The FASEB Journal, 22(2), 338–342. https://doi.org/10.1096/fj.07-9492lsf
144 — Mongeon, P., & Paul-Hus, A. (2015). The journal coverage of web of science and scopus: A comparative analysis. Scientometrics, 106(1), 213–228. https://doi. org/10.1007/s11192-015-1765-5
145 — Strauss, A. L. (1999). Grounded theory in practice Anselm Strauss ... eds. Sage Publications: Thousand Oaks, Calif., 1997; ISBN 978-0-7619-0748-0.
146 — Cohen, M. A. (2005). The development of a game playing framework using interface-based programming. XRDS: Crossroads, The ACM Magazine for Students, 12(1), 5–5. https://doi.org/10.1145/1144382.1144387
147 — Perry, D., Aragon, C., Meier, A., & Pritoni, M. (2011). Developing standards for affordances on embedded devices. Proceedings of the 2011 iConference, 746–748. https://doi.org/10.1145/1940761.1940894
148 — Yu, K., Berkovsky, S., Taib, R., Zhou, J., & Chen, F. (2019). Do I trust my machine teammate? Proceedings of the 24th International Conference on Intelligent User Interfaces, 460–468. https://doi.org/10.1145/3301275.3302277
149 — Wang, G., Marradi, C., Albayrak, A., & van der Cammen, T. J. M. (2019). Co-designing with people with dementia: A scoping review of involving people with dementia in design research. Maturitas, 127, 55–63. https://doi.org/10.1016/j.maturitas.2019.06.003
150 — Dahlbom, B., & Mathiassen, L. (1997). The future of our profession. Communications of the ACM, 40(6), 80–89. https://doi.org/10.1145/255656.255706
151 — Fagerholm, F., & Munch, J. (2012). Developer experience: Concept and definition. 2012 International Conference on Software and System Process (ICSSP), 73–77. https:// doi.org/10.1109/icssp.2012.6225984
152 — Manovich, L. (1994). The engineering of vision and the aesthetics of computer art. ACM SIGGRAPH Computer Graphics, 28(4), 259–263. https://doi. org/10.1145/193234.193242
153 — Myers, B. A., Ko, A. J., Park, S. Y., Stylos, J., LaToza, T. D., & Beaton, J. (2008). More natural end-user software engineering. Proceedings of the 4th International Workshop on End-User Software Engineering, 30–34. https://doi.org/10.1145/1370847.1370854
154 — Sun, D., Feng, Z., Chen, Y., Wang, Y., Zeng, J., Yuan, M., Pong, T.-C., & Qu, H. (2020). DFSeer: A visual analytics approach to facilitate model selection for demand forecasting. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–13. https://doi.org/10.1145/3313831.3376866
155 — Zhao, Y., Loke, L., & Reinhardt, D. (2022). Preliminary explorations of Conceptual Design Tools for students learning to design human-robot interactions for the case of collaborative drawing. 2022 17th ACM/IEEE International Conference on Human-Robot Interaction (HRI), 1135–1139. https://doi.org/10.1109/hri53351.2022.9889508
156 — Gyory, P. (2022). Creating platforms to support craft and creativity in Game Controller Design. Creativity and Cognition, 708–710. https://doi. org/10.1145/3527927.3533733
157 — Li, J., Jacobs, J., Chang, M., & Hartmann, B. (2017). Direct and immediate drawing with CNC machines. Proceedings of the 1st Annual ACM Symposium on Computational Fabrication. https://doi.org/10.1145/3083157.3096344
158 — Yung, A. K., Li, Z., & Ashbrook, D. (2018). PRINTY3D. Proceedings of the 17th ACM Conference on Interaction Design and Children. https://doi.org/10.1145/3202185.3202751
159 — Xia, X., & Rasdan Ismail, A. (2022). A review of the application of interaction design in modern educational product design. Proceedings of the 5th International Conference on Big Data and Education, 141–147. https://doi. org/10.1145/3524383.3524398
160 — Ipsita, A., Li, H., Duan, R., Cao, Y., Chidambaram, S., Liu, M., & Ramani, K. (2021). VRFromX: From scanned reality to interactive virtual experience with humanin-the-loop. Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems, 1–7. https://doi.org/10.1145/3411763.3451747
161 — Van Campenhout, L., Van Camp, M., & Vancoppenolle, W. (2020). Exploring tangible VR as a tool for workplace design. Companion Proceedings of the 2020 Conference on Interactive Surfaces and Spaces, 33–36. https://doi. org/10.1145/3380867.3426202
162 — Van Campenhout, L., Van Camp, M., & Vancoppenolle, W. (2020). Exploring tangible VR as a tool for workplace design. Companion Proceedings of the 2020 Conference on Interactive Surfaces and Spaces, 33–36. https://doi. org/10.1145/3380867.3426202
4.4 - LO STATO DELLA RICERCA NELLA DISCIPLINA
163 — Weiser, M. (1993). Some computer science issues in ubiquitous computing. Communications of the ACM, 36(7), 75-84.
164 — Dall’Osso, G.; Zannoni, M.; Licaj, A., (2022) Design Elements for the Implementation of Threshold Crossing In and Out of Mixed Reality, in: Handbook of Research on Implementing Digital Reality and Interactive Technologies to Achieve Society 5.0, Hershey, Pennsylvania, IGI Global, 2022, pp. 15 - 41. ADVANCES IN HUMAN AND SOCIAL ASPECTS OF TECHNOLOGY BOOK SERIES.
165 — Zannoni, M., & Montanari, R. (2022). Human body interaction. Bologna University Press
166 — Giusti, L., Bedal, L., Hayashi, E., Yamanaka, J., Oyedeji, T., Bay, C., & Poupyrev, I. (2022). Fields: Towards Socially Intelligent Spatial Computing. arXiv preprint arXiv:2211.09933.
167 — Hayashi, E., Lien, J., Gillian, N., Giusti, L., Weber, D., Yamanaka, J., ... & Poupyrev, I. (2021, May). RadarNet: Efficient gesture recognition technique utilizing a miniature radar sensor. In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (pp. 1-14).
168 — Calleo, A.; Dall’Osso, G.; Zannoni, M., (2023) A Systematic Analysis for Multisensory Virtual Artifacts Design in Immersive E-Sport Applications and Sim-Racing, in: HCI in Mobility, Transport, and Automotive Systems : 5th International Conference, MobiTAS 2023, Held as Part of the 25th HCI International Conference, HCII 2023, Copenhagen, Denmark, July 23–28, 2023, Proceedings, Part II, Springer, «LECTURE NOTES IN COMPUTER SCIENCE», 2023, 14049, pp. 114 - 124.
Proceedings of 5th International Conference, MobiTAS 2023, Held as Part of the 25th HCI International Conference, HCII 2023, Copenhagen, Denmark, 23-28 Luglio 2023.
169 — Mori, M., MacDorman, K. F., & Kageki, N. (2012). The uncanny valley [from the field]. IEEE Robotics & automation magazine, 19(2), 98-100.
170 — Stein, C. (2024). Uncanny valley in virtual reality. In Encyclopedia of Computer Graphics and Games (pp. 1923-1925). Cham: Springer International Publishing.
171 — Jones, B., Zhang, Y., Wong, P. N., & Rintel, S. (2021). Belonging there: VROOM-ing into the uncanny valley of XR telepresence. Proceedings of the ACM on HumanComputer Interaction, 5(CSCW1), 1-31.
172 — Regan, C. (1995). An investigation into nausea and other side-effects of headcoupled immersive virtual reality. Virtual Reality, 1(1), 17-31.
173 — Regan, E. C., & Price, K. R. (1994). The frequency of occurrence and severity of side-effects of immersion virtual reality. Aviation, space, and environmental medicine, 65(6), 527-530.
174 — Simón-Vicente, L., Rodríguez-Cano, S., Delgado-Benito, V., Ausín-Villaverde, V., & Delgado, E. C. (2024). Cybersickness. A systematic literature review of adverse effects related to virtual reality. Neurología (English Edition), 39(8), 701-709.
5.1 - PERSONE
175 — Luigi Vanore, CEO di A4PM (Agency for Project Management). Comunicazione personale Ottobre 2024.
5.3 - ORGANIZZAZIONE
176 — Valter Pasinato, Technology Advisor per Private Equity. Comunicazione personale Ottobre 2024.
dicembre 2024
stampato da Press Up, Roma
Lo studio delle interazioni con le Advanced Manufacturing Technologies (AMT) mette in evidenza il modo in cui la tecnologia impatta e cambia la natura del lavoro umano nell’industria della manifattura. Automazione e digitalizzazione definiscono nuove forme di lavoro e, come conseguenza, quali siano le qualità che debbano possedere i nuovi strumenti di lavoro, come le capacità avanzate di calcolo, trasformazione, rappresentazione e interazione con i dati della manifattura. Il libro traccia una possibile strada per l’agire dei progettisti e una identità possibile per l’industrial design (disegno industriale) e, in particolare, per l’interaction design, nel settore dell’industria manifatturiera, con la prospettiva interdisciplinare che coniuga design e ergonomia, come scienze del rapporto tra uomo, strumenti e lavoro.
ISBN 979-12-5953-124-7
